Effectiveness of grease interceptors in food service establishments for controlling fat, oil and grease deposition in the sewer system
Notice bibliographique
Résumé
The water industry worldwide experiences numerous sewer blockages each year, partially attributed to the accumulation of fat, oil and grease (FOG). Managing this issue involves various strategies, including the requirement for installation of grease interceptors (GIs) installation. However, the claimed efficacy of commercial GIs of eliminating 99 % of FOG has been questioned for many years because FOG deposit formation occurs despite food service establishments (FSEs) using GIs, therefore detailed understanding of FOG wastewater compositions and its removal by GIs is required. This study provides an insight into the key FOG components such as FOG particle size, metals and fatty acid (FA) profile in GI influent and effluent, and within the GI, at three different FSEs. Analysis of FAs identified substantial proportions of extra-long-chain FAs in the effluents, including arachidic (C20:0), behenic (C22:0), mead (C20:3), lignoceric (C24:0), and nervonic (C24:1) acids. In contrast, the household kitchen released palmitic (C16:0), oleic (C18:1) and linoleic (C18:2) acids. It was further observed that scums effectively remove the larger FOG particles, leaving only 10 % below 75.4 μm. Notably, FSEs which employed automatic dishwashers produced up to 80.4 % of particles ≤45 μm, whereas FSEs and household kitchen which used handwash sinks generated only 36.9 % and 26.3 % of particles ≤45 μm, respectively. This study demonstrated that the commercial GIs do not remove FOG entirely but clearly demonstrated that they discharge high concentrations of FOG with extra-long FFAs which were attributed to the occurrence of microbial activity and hydrolysis of triglycerides within the GI, potentially contributing to FOG deposition.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».